Analice las características ESTADÍSTICAS más importantes del patrón y elija un método para operar con él. - página 4

 
Stanislav Korotky:
¿Has probado un análisis confluente? Es decir, la función no debe ser precio frente a tiempo p = x(i), sino bidimensional f = z(i, p). La distancia d se cuenta por dos coordenadas. Y las demás fórmulas son las mismas.

No, no lo he probado, pero es interesante. Al final decidí que las distorsiones a lo largo del eje temporal (no sólo la contracción o el estiramiento de los patrones, que es una distorsión lineal, sino también la distorsión no lineal) deberían tenerse en cuenta según el principio de que nuestro cerebro puede reconocer las representaciones distorsionadas de los objetos y las personas, incluso las caricaturas, es decir, mediante la división de los patrones en componentes, su rotación, su escalado, etc., como en la corteza visual. Pero se ha dedicado poco tiempo a esto. De todos modos, la negociación en el mercado, incluso en los modelos matemáticos más intrincados, será al 50%.
 
Vladimir:

No, no lo he probado, pero es interesante. Al final decidí que las distorsiones a lo largo del eje temporal (no sólo la compresión o el estiramiento de los patrones, que son distorsiones lineales, sino también las distorsiones no lineales) debían tenerse en cuenta por el principio de que nuestro cerebro puede reconocer las representaciones distorsionadas de los objetos y las personas, incluso las caricaturas, es decir, dividiendo los patrones en sus componentes, su rotación, su escalado, etc., como en la corteza visual. Pero se ha dedicado poco tiempo a esto. Seguiría siendo 50/50 operar en el mercado incluso con los modelos matemáticos más intrincados.

La visión artificial debería manejar esto bien, lo hará más tarde
 
Vladimir:

No, no lo he probado, pero es interesante. Al final decidí que las distorsiones a lo largo del eje temporal (no sólo la compresión o el estiramiento de los patrones, que son distorsiones lineales, sino también las distorsiones no lineales) debían tenerse en cuenta por el principio de que nuestro cerebro puede reconocer las representaciones distorsionadas de los objetos y las personas, incluso las caricaturas, es decir, dividiendo los patrones en sus componentes, su rotación, su escalado, etc., como en la corteza visual. Pero se ha dedicado poco tiempo a esto. De todos modos, la negociación en el mercado, incluso con los modelos matemáticos más sofisticados, será al 50%.
¿Y cómo va su proyecto de previsión trimestral? - Parece que la rama no se ha actualizado durante mucho tiempo.
 
Vladimir:

No, no lo he probado, pero es interesante. Al final decidí que las distorsiones a lo largo del eje temporal (no sólo la compresión o el estiramiento de los patrones, que son distorsiones lineales, sino también las distorsiones no lineales) debían considerarse según el principio de que nuestro cerebro puede reconocer imágenes distorsionadas de objetos y personas, incluso caricaturas, es decir, descomponiendo los patrones en sus componentes, su rotación, su escalado, etc., como en la corteza visual. Pero se ha dedicado poco tiempo a esto. De todos modos, la negociación en el mercado, incluso en los modelos matemáticos más intrincados, será al 50%.

Hay que tener en cuenta el tiempo, sí. Yo, por ejemplo, hago lo siguiente: disminuyo la similitud de los patrones en función del tiempo, linealmente. Es decir, si estimo la similitud de los patrones desde 0 (no son nada similares) hasta 1 (son completamente similares), entonces además de la estimación me llevo una constante multiplicada por el número de barras entre los patrones. No sé qué tipo de distorsiones se producen ahí, pero cuanto más alejados están los patrones entre sí, más pierden su "similitud", 100% garantizado.

La similitud de los patrones es una estimación muy exacta, no puedes simplemente enchufar la primera fórmula de internet, tienes que comprobarlo tú mismo. La forma de comprobar la fórmula también es complicada y poco clara, pero algunas fórmulas fallarán en el fronttest, otras no :)

 

Sobre la similitud de patrones - interesante ejemplo de cómo funciona la visión comp. :)

http://cs.stanford.edu/people/karpathy/convnetjs/demo/mnist.html

ConvNetJS MNIST demo
  • cs.stanford.edu
This demo trains a Convolutional Neural Network on the MNIST digits dataset in your browser, with nothing but Javascript. The dataset is fairly easy and one should expect to get somewhere around 99% accuracy within few minutes. I used this python script to parse the original files into batches of images that can be easily loaded into page DOM...
 
Andrey Dik:
¿Cómo va su proyecto de previsiones trimestrales? - Parece que el hilo no se ha actualizado desde hace tiempo.

Ahí pongo las últimas predicciones. La última fue hace dos meses. La próxima será a finales de abril con la publicación de los nuevos datos del PIB. Hasta ahora todas las predicciones se acercan a la realidad. Tengo dos modelos allí, uno más conservador que el otro. Según el modelo conservador, el próximo crecimiento del PIB será inferior al publicado para el último trimestre. El otro modelo predice un mayor crecimiento. Dentro de 3 semanas sabremos cuál es más preciso. Mi principal objetivo es evitar una recesión y hasta ahora no se ve en ninguno de los dos modelos.
 
No he mirado aquí, quizás aparezca algo ....Biblioteca Keldysh http://library.keldysh.ru/preprint.asp?id=2016-7 Orlov
 
Rafael Sahibgareev:
No he mirado aquí, quizás aparezca algo ....Biblioteca Keldysh http://library.keldysh.ru/preprint.asp?id=2016-7 Orlov

Gracias, vamos a leerlo
 
Maxim Dmitrievsky:

Digamos que tenemos un trozo de gráfico. Tenemos que resolver (en la historia) la mejor manera de abrir acuerdos sobre ella. Dónde comprar, dónde vender, dónde comprar más, dónde cerrar, etc. Pero debemos tener en cuenta que los patrones pueden ser diferentes, y debemos encontrar el método más eficaz para calcular los lugares de apertura de posiciones para cualquier patrón, minimizando los riesgos. Puede haber varias operaciones en un patrón. Hay una condición más importante, el patrón puede variar dentro de un cierto rango, digamos el 20%. Es decir, al principio vemos un patrón y en el siguiente compás cambiará algo, aunque sus características básicas sigan siendo las mismas (pero siempre veremos el patrón completo y todos sus cambios futuros). Es decir, tenemos que introducir algún otro factor de error.

¿Tiene alguna idea sobre la mejor manera de hacerlo? Se pueden calcular varias probabilidades y niveles de precios, ¿cómo se puede hacer?

Es interesante que en una de las discusiones usted fuera un acérrimo opositor del análisis técnico clásico, afirmando que su uso es ineficaz. La automatización de la negociación manual basada en este análisis no es aceptable. Ahora ha resuelto el problema de crear un método eficaz de reconocimiento algorítmico de las formaciones de precios, que no es otra cosa que un intento de automatizar el análisis técnico "manual". Extraño, ¿por qué ha rechazado recientemente, con vehemencia, este enfoque en el algotrading? (Pido disculpas por el off-topic).

 
Реter Konow:

Curiosamente, en una de las discusiones, usted fue un ardiente opositor del análisis técnico clásico, afirmando que su uso es ineficaz. No se acepta la automatización manual de las operaciones basada en este análisis. Ahora ha resuelto el problema de crear un método eficaz de reconocimiento algorítmico de las formaciones de precios, que no es otra cosa que un intento de automatizar el análisis técnico "manual". Extraño, ¿por qué ha rechazado recientemente, con vehemencia, este enfoque en el algotrading? (Perdón por el off-topic).


No hay un tehanálisis clásico, hay un modelo multifractal de los rendimientos de los activos (sí, sí, también hay uno, no me lo acabo de inventar). este modelo se puede clasificar como un statmodel. No hay patrones fijos específicos, pero el resultado es una predicción, que puede representarse como un patrón, nada más.

El MMDA describe un movimiento browniano generalizado